Bereitstellung von Features
Sie können Features für das Training und die Inferenz von BigQuery ML-Modellen über mehrere Bereitstellungsoptionen verfügbar machen. Bei allen Optionen müssen Sie die Features zuerst in BigQuery-Tabellen speichern.
Genauigkeit für einen bestimmten Zeitpunkt
Die Daten, die zum Trainieren eines Modells verwendet werden, enthalten häufig zeitliche Abhängigkeiten. Wenn Sie eine Featuretabelle für zeitsensible Features erstellen, fügen Sie eine Zeitstempelspalte hinzu, die die Featurewerte zu einem bestimmten Zeitpunkt für jede Zeile wiedergibt. Sie können dann bei der Abfrage von Daten aus diesen Featuretabellen Funktionen für die Suche nach einem bestimmten Zeitpunkt verwenden, um sicherzustellen, dass es zwischen Training und Bereitstellung nicht zu einem Datenverlust kommt. Dadurch wird die zeitliche Genauigkeit aktiviert.
Verwenden Sie die folgenden Funktionen, um Sperrzeiten für einen bestimmten Zeitpunkt anzugeben, wenn Sie zeitsensible Features abrufen:
Features in BigQuery ML bereitstellen
Wenn Sie Modelle trainieren und Batch-Inferenzen in BigQuery ML ausführen möchten, können Sie Features mit einer der im Abschnitt Zeitpunktbezogene Korrektheit beschriebenen zeitpunktbezogenen Suchfunktionen abrufen. Sie können diese Funktionen in die query_statement-Klausel der CREATE MODEL-Anweisung für das Training oder in die query_statement-Klausel der entsprechenden Tabellenwertfunktion wie ML.PREDICT für die Bereitstellung einfügen.
Features mit Vertex AI Feature Store bereitstellen
Wenn Sie Features für BigQuery ML-Modelle bereitstellen möchten, die in der Gemini Enterprise Agent Platform registriert sind, können Sie Vertex AI Feature Store verwenden. Vertex AI Feature Store basiert auf Featuretabellen in BigQuery, um Features mit niedriger Latenz zu verwalten und bereitzustellen. Mit der Onlinebereitstellung können Sie Features in Echtzeit für Onlinevorhersagen abrufen. Mit der Offlinebereitstellung können Sie Features für das Modelltraining abrufen.
Weitere Informationen zur Vorbereitung von BigQuery-Feature-Daten für die Verwendung in Vertex AI Feature Store finden Sie unter Datenquelle vorbereiten.